C++ 正則表達式

　　轉自WestwindrestC++正則表達式 <regex>

一 簡介

　　概括而言，使用正則表達式處理字符串的流程包括：

1. 用正則表達式定義要匹配的字符串的規則，
2. 然后對目標字符串進行匹配，
3. 最后對匹配到的結果進行操作。

　　C++ 的 regex 庫提供了用於表示正則表達式和匹配結果的基本類型，以及使用這些基本類型作為參數或返回結果（通過參數來返回，不是函數的返回值）的搜尋、匹配、替換等函數。

二 基本類型

2.1 basic_regex 及其實例化類型 regex、wregex

　　模板類型 basic_regex 用於表示正則表達式對象，<regex> 庫提供了它的兩種實例化類型：

 　　構造函數一般接受一個字符串作為參數，如：

 　　構造函數中還有一個默認參數flags，默認值為 std::regex::ECMAScript，該參數可以用來設置正則表達式所采用的語法（有且只能設置一種），如 std::regex::grep, std::regex::awk 等，也可以設置 case insensitive，flags 的多個值用比特位 OR 操作|連接，如：

2.2 match_results、sub_match 及其實例化類型

　　match_results 是一種 container-like 的模板類，用於存放對目標串執行完 regex matching 操作后匹配到的結果，其中的每個元素（即每個匹配結果）是一個 sub_match 的實例化對象。

　　match_results 的實例類型有下列四種：

 　　與match_results 相似，sub_match 的實例化類型也有四種：

 

　　sub_match 對象存儲的不是匹配到的字符串本身，而是指向這個串開始（initial）和結束后一個字符（past-the-end）的 bidirectional iterators，但是它們表現起來類似於一個字符串，成員函數 length 返回字符串長度。compare 用於和一個字符串或另一個 sub_match 對象比較，相等則返回0，不等則：若它比參數小（第一個未匹配的字符小於參數中該位置字符，或者它是參數的一個前綴）返回一個負值，否則返回一個正值。str返回對應的字符串。

　　根據一次匹配的結果，match_results 可能為空也可能不空，使用 match_results::empty() 來判空，使用 match_results::size() 來獲取元素個數。對於一個不空的 match_results 對象，其第一個 sub_match 元素（[0]）對應着整個完整匹配，后續的元素對應着正則表達式中的 sub-match（即用()括起來的各個分組匹配），未匹配的部分可以通過 prefix 和 suffix 來獲取。下面是一個簡單的例子，參考自 boost的文檔：

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string target = "@abc def--";
    std::regex e("(\\w+)\\W+(\\w+)");
    std::smatch sm; 
    std::regex_search(target, sm, e); 

    std::cout << "sm.prefix: " << sm.prefix() << std::endl;
    for (int i = 0; i < sm.size(); ++i) {
        std::cout << "sm[" << i << "]: " << sm[i] << std::endl;
    }   
    std::cout << "sm.prefix: " << sm.suffix() << std::endl;

    return 0;
}

三 正則操作

3.1 regex_match

　　用於將目標串和正則表達式匹配，返回一個 bool 值，true 為匹配，false 為不匹配。匹配的含義是目標字符串必須完全和正則表達式相匹配，不能有多余的字符，如果需要部分匹配則應使用regex_search。函數簽名有很多，詳見cplusplus.com。構造函數分成兩種，一種接受一個 match_results 作為對象，參數順序為：待匹配的字符串，match_results 對象，正則表達式對象；另一種沒有 match_results，參數順序為：待匹配的字符串，正則表達式對象。此外，函數還接受一個可選的 flags 參數，用於控制匹配選項，詳見鏈接。

3.2 regex_search

　　只要目標字串中有一個字串（無論該子串在字符串中什么位置）能和正則表達式相匹配就返回true。函數簽名同regex_match相似。

3.3 regex_replace

　　該函數有多個重載版本，常用的版本中參數順序基本上 s，rgx，fmt，flags，其中 s 為要處理的字符串，rgx 為要匹配的正則表達式，fmt 為要替換的字符串，其中可以包含格式化字符，下述，flags為可選的參數，用於設置一些選項。

　　參數 fmt 中可以包含下列格式化字符：

 

 　　在替換時，會先將參數 fmt 中的格式化字符替換成相應的內容，然后再將這個字符串替換掉目標字符串中的完整匹配（相當於 $& 或 match_results[0]）。